InterPReT: Interaktive Policy-Umstrukturierung erleichtert Laien‑Imitation Learning

Mit dem neuen Ansatz InterPReT (Interactive Policy Restructuring and Training) können Laien ohne tiefes Fachwissen AI‑Agenten effektiv trainieren. Der Algorithmus nutzt Benutzereingaben, um die Struktur der Policy kontinuierlich anzupassen und die Parameter zu optimieren, sodass die Agenten aus einfachen Demonstrationen lernen.

In einer Studie mit 34 Teilnehmern wurde ein AI‑Agent in einem Rennspiel unter Anleitung von Laien trainiert. Die Ergebnisse zeigen, dass InterPReT robustere Policies erzeugt und gleichzeitig die Benutzerfreundlichkeit gegenüber einem herkömmlichen Imitation‑Learning‑Baseline verbessert. Die Nutzer konnten die Agentenleistung beobachten, Feedback geben und den Trainingsprozess selbst steuern.

InterPReT macht das Training von KI‑Agenten für Nicht‑Experten zugänglicher und zuverlässiger – ein bedeutender Schritt, um KI in alltäglichen Anwendungen breiter einzusetzen.